商務(wù)預(yù)測方法（第三版）

第一章 商務(wù)預(yù)測概述
第一節(jié) 商務(wù)預(yù)測的含義與內(nèi)容
第二節(jié) 商務(wù)預(yù)測的分類及其選擇
第三節(jié) 商務(wù)預(yù)測的步驟
第四節(jié) 商務(wù)預(yù)測精確度的測定
第二章 移動平均及指數(shù)平滑預(yù)測法
第一節(jié) 時間序列的類型及預(yù)測模型的選擇
第二節(jié) 樸素預(yù)測法及簡單平均數(shù)預(yù)測法
第三節(jié) 移動平均法
第四節(jié) 簡單指數(shù)平滑法
第五節(jié) 霍爾特(Holt)雙參數(shù)線性指數(shù)平滑法
第六節(jié) 霍爾特-溫特(Holt-Winters)指數(shù)平滑法
第七節(jié) 指數(shù)平滑預(yù)測模型的擴展
附錄2.1用SPSS進行指數(shù)平滑
第三章 趨勢外推預(yù)測法
第一節(jié) 概述
第二節(jié) 長期趨勢模型的種類
第三節(jié) 趨勢模型判斷的方法
第四節(jié) 線性趨勢模型參數(shù)的估計
第五節(jié) 二項式及指數(shù)曲線趨勢模型的估計
第六節(jié) 龔珀茲曲線模型及皮爾曲線模型的估計
附錄3.1用SPSS及Excel進行趨勢預(yù)測
第四章 季節(jié)變動預(yù)測法
第一節(jié) 概述
第二節(jié) 無趨勢的季節(jié)預(yù)測模型
第三節(jié) 帶趨勢的季節(jié)性加法預(yù)測模型
第四節(jié) 帶趨勢的季節(jié)性乘法預(yù)測模型
附錄4.1用SPSS計算季節(jié)指數(shù)
第五章 因素預(yù)測方法一——截面數(shù)據(jù)簡單線性回歸
第一節(jié) 簡單線性回歸概述
第二節(jié) 參數(shù)βo、β的最小二乘估計
第三節(jié) 估計的標準誤差
第四節(jié) 回歸方程的顯著性檢驗和可決系數(shù)
第五節(jié) 計算機輸出結(jié)果的解釋
第六節(jié) 預(yù)測
第七節(jié) 殘差分析（ei=yi-yi）
第八節(jié) 簡單線性回歸模型預(yù)測的實例
附錄5.1用SPSS建立簡單線性回歸預(yù)測模型
第六章 因素預(yù)測法二——截面數(shù)據(jù)的多元回歸
第一節(jié) 多元線性回歸模型概述
第二節(jié) 參數(shù)、β0、β1、β2、β3βk的最小二乘估計
第三節(jié) 回歸方程的顯著性檢驗
第四節(jié) 殘差分析——異方差檢驗
第五節(jié) 假設(shè)5-多重共線性的檢驗
第六節(jié) 預(yù)測
第七節(jié) 選擇自變量的方法
第八節(jié) 自變量中帶定性變量的回歸模型
第九節(jié) 奇異值與影響點的確定
附錄6.1用SPSS建立多元線性回歸預(yù)測模型
第七章 因素預(yù)測法三——時間序列的回歸分析
第一節(jié) 一個例子
第二節(jié) 自相關(guān)
第三節(jié) 消除自相關(guān)的方法
第四節(jié) 利用多元回歸擬合具有季節(jié)變動的時間序列數(shù)據(jù)
附錄7.1用SPSS診斷回歸預(yù)測模型中的隨機項的自相關(guān)性
第八章 Logistic回歸
第一節(jié) Logistic回歸理論概述
第二節(jié) 二項Logistic回歸模型介紹
第三節(jié) 二項Logistic回歸方程系數(shù)解釋及檢驗
第四節(jié) 二項Logistic回歸應(yīng)用實例
第五節(jié) 其他情形的Logistic回歸
附錄8.1用SPSS進行Logistic回歸分析
第九章 定性預(yù)測
第一節(jié) 概述
第二節(jié) 頭腦風(fēng)暴預(yù)測法
第三節(jié) 經(jīng)驗判斷預(yù)測法
第四節(jié) 專家會議法
第五節(jié) 德爾菲預(yù)測法
第六節(jié) 主觀概率預(yù)測法
第七節(jié) 產(chǎn)品生命周期預(yù)測法
第八節(jié) 市場景氣預(yù)測法
第十章 博克斯-詹金斯預(yù)測法